基于带符号邻近度估计与深度网络剪枝的突触位置与连接方向检测
计算机视觉与模式识别
2018-10-26 v2
摘要
突触连接检测是从电子显微镜(EM)数据进行神经重建的一项关键任务。现有大多数突触检测算法不能同时识别裂隙位置与连接方向。少数能同时计算方向与接触位置的方法仅被证明适用于二联体突触（脊椎动物脑中最常见）或多元突触（见于果蝇脑），而不能同时适用于两类。本文提出一种自动预测二联体与多元突触位置及方向的算法。该算法首先由 3D U-net 生成的带符号邻近度的体素级预测产生候选突触连接；随后第二个 3D CNN 对候选集进行剪枝，得到最终的裂隙与连接方向检测。实验结果表明，所提方法在啮齿类与果蝇脑的突触判定上均优于现有方法。
引用
@article{arxiv.1807.02739,
title = {Detecting Synapse Location and Connectivity by Signed Proximity Estimation and Pruning with Deep Nets},
author = {Toufiq Parag and Daniel Berger and Lee Kamentsky and Benedikt Staffler and Donglai Wei and Moritz Helmstaedter and Jeff W. Lichtman and Hanspeter Pfister},
journal= {arXiv preprint arXiv:1807.02739},
year = {2018}
}